利好AMD股价？

Grok思考如下：
Nvidia is under pressure. Sunday night, NVDA was down roughly 3.5–3.8% in extended/Robinhood trading and on Hyperliquid perps. The board launched an independent investigation after Huang admitted the affair. Analysts (including Dan Ives and Stacy Rasgon) have explicitly flagged key-man risk—Huang is unusually central to Nvidia’s strategy and narrative. There is also heightened China export-control scrutiny and a pending congressional briefing request.

AMD showed relative strength overnight. One set of overnight quotes had AMD up about +1.6% while NVDA was down ~3.8%. This fits a classic “rotation into the rival” pattern when the leader has company-specific noise.

Watch the open and the first 30–60 minutes of volume on Monday; that will tell you whether the overnight divergence holds or gets faded.

正在践行“把精力、工作表现当成运动员来管理”。也一直处于健身瓶颈期，怎么吃和动都瘦不下来，非常郁闷。看了帖子，结合AI问诊，发现不能瞎吃补剂（虽然现在各种镁、肌醇、VK、VD的广告）。下了决心，是时候系统搞明白身体指标了，所以几乎好几年不去大医院的俺，打算去医院做彻底的检查。中日友好的内分泌专家号抢不到。看了下，发现和睦家医院同样职称的医生更好挂号，于是迅速锁定两个科室，分别预约两个专家，每个医生都耐心聊了20多分钟，充分了解情况。现场开了十几项检查，包括皮质醇、胰岛素抵抗、激素等等。结账发现并没有很贵。反正没达到1800元医保起付线之前，去哪儿都是自费。那我肯定选人少、服务更好的医院。今天刚空腹抽完血，晕针还恶心。然后护士小姐姐还陪了10分钟，和我聊天，帮压棉签，直到不再出血，给贴了个小兔子止血贴纸，才让我离开。反正是非常愉快的看病体验。等检验结果出来，再看看接下来医生建议如何吃补剂和调理。

对了，我其实很好奇接下来GPU厂商的股价。先做个预测：短期，可能利空 GPU 厂商的股价，但长期来看，未必利空 GPU 需求。甚至可能出现 GPU 单位价格下降、全球 GPU 使用总量却继续增长的情况。对各家厂商来说，如果 DeepInfer 大规模普及，英伟达NV股价短期可能承压、长期CUDA生态定价权受到挑战，也要看算力需求能否跑赢效率提升；AMD 短期影响有限、长期可能受益于开放生态；华为昇腾生态最直接受益者

DeepSeek 这次开源的不是模型，而是生产 AI 的“工厂”

DeepSeek 这次开源了推理框架 DeepInfer。我觉得这件事可能比再开源一个更强的大模型还值得关注。

我的核心判断是：模型开源，让更多人有能力开发 AI 产品；推理技术进步，则可能让一些原本算不过账的 AI 生意，第一次算得过账。

过去开源模型，主要解决的是“谁能用上 AI”的问题。而这次开源推理框架，解决的是另一个问题：怎么用更低的成本，让 AI 同时服务更多人？

如果说模型是产品设计图纸，推理框架就像工厂的生产线。

DeepInfer 的技术优化主要集中在几个方面：

* MoE 专家并行： 让不同 GPU 分工协作，减少算力闲置。
* 推测解码： 提前预测多个 Token，再批量验证，减少生成时的等待。
* 异步调度： 让 CPU 准备任务和 GPU 计算尽可能同时进行，提高利用率。
* 批次不变推理： 减少不同批处理方式对输出结果的影响，提高可复现性。

说白了，它不是让模型更聪明，而是让同样的算力干更多活。

当然，目前 DeepInfer 还不是开箱即用的完整线上服务系统，实际性能优势仍需要验证。

但如果未来被广泛采用，DeepSeek 就可能不只是一家大模型公司，还可能成为全球 AI 基础设施的重要技术标准制定者，让人联想到 Linux、LLVM 等开源基础设施的发展路径。

那这跟普通人赚钱有什么关系？

过去几年，模型开源让越来越多人能够开发 AI 产品，但并没有让所有人都赚到钱。

因为会做产品，不代表有人买单。技术门槛降低，竞争反而可能更激烈。

而推理成本下降，可能改变另一件事：过去 AI 能做、但做一次太贵的生意，现在可能开始有利润了。

举三个我比较看好的场景：

1. AI 员工：一个人服务几十家小企业

比如给跨境电商提供 24 小时 AI 客服，自动处理询盘、订单、退换货。过去需要大量人工处理的工作，现在可能由 AI 完成大部分，创业者按月或按处理量收费。

2. AI 行业情报：一个人做出过去一个团队的产出

比如每天自动追踪几百家新能源公司的公告、专利、产品动态，整理成行业情报，卖给有需求的中小企业。AI 负责信息处理，人负责判断和核实。

3. AI 软件测试工厂：让 Agent 不知疲倦地测试代码

AI 写代码越来越便宜，但测试和维护仍然费时。未来可以让多个 Agent 持续生成测试、发现 Bug、提出修复建议，向软件公司按月收费。

这三个场景的共同点是：调用量大、任务重复、对成本敏感。 推理越便宜，商业化空间就可能越大。

当然，这不意味着 DeepInfer 一开源，普通人就能马上靠它赚钱。技术优化还需要传导到实际的 API 价格和部署成本，客户也未必愿意买单。

对普通人来说，未必需要自己研究推理框架，更值得做的是重新看看自己熟悉的行业：

有哪些过去太贵、太麻烦、不值得用 AI 做的事情，现在开始值得做了？

下一轮 AI 创业机会，也许就藏在这些刚刚跨过盈亏平衡点的业务里。

坐标海淀，哪里可以找靠谱的羽毛球教练呢

体会到念头简单的快乐。心思单纯，专注当下，妄念减少，向内求，丰袤天地，自然吃的精良，睡的踏实，频繁进入沉浸式创作状态。

原来，不需要立许多个豪情万丈的目标，不需要计算那么多得失。不累是从心出发的。

其实，肩上的担子，一个也没少。心念内安，也就轻松了。

非必要真的不建议读博。机会、算力、更深的视野永远在产业里。不要对高校科研有理想化滤镜和幻想。以及，救命啊～我真的无法respect某些个深谙发论文套路，但一聊实际落地话题，就陷入过于形而上主义，非要追求学术创新+选题新颖，而忘记做科研的出发点的，那些自我感觉良好的学术二愣子。

举个不恰当的例子，做“发动机”主题科研的目的，如果是研究“如何提高发动机的性能”，这很合理。但为了发论文，非要研究“发动机在XXX语境下，基于XX技术范式，相比较XX人力工具对社会生产力的XX比较研究”，就显得格外华而不实。

好吧，就算是那些踏实研究发动机性能的专家，也没有像张雪一样，造出机车啊。可见理论上的学术创新，和以产业落地为导向的研发创新，后者才是最难的。也最该被鼓励。

Codex宕机事件，给大家提了个醒：不要把鸡蛋放一个篮子，代码工作和进程，至少两个平台同步，关键的对话别忘了导出，你存大模型里的记忆，哪天被事故误删，也并非不可能。那是知识财富。常导出，定期备份。冗余不只给代码，也给记忆。

退了好几个没人聊Jev的所谓AI群。
爽～
太多噪音、瞎忙和浮躁了。

比UBI更终极的，是Universal Ownership，Universal Ownership何以出现？
- 今天：少部分人拥有大量资本，多数人主要拥有劳动能力来挣钱糊口。
- 过渡期：资本高度集中带来社会问题，UBI推行，维持大众消费。
- 更稳定的可能形态：私人资本 + 全民资本账户 + Social Wealth Fund 并存（即Universal Ownership实现的一种形式），每个人从出生开始，就是某种意义上的“小股东”。

如果继续推演，可能经历五个阶段：

第一阶段，AI提高人的生产率，主要红利仍归高技能劳动者和资本所有者（我们2026年在这个阶段）

第二阶段，AI开始替代更多劳动，工资仍存在，但越来越难承担社会主要的分配功能；

第三阶段，UBI、负所得税等扩大，以转移支付维持大众消费；

第四阶段，社会发现“少数人拥有机器、多数人靠发钱生活”并不稳定，开始建立社会财富基金、全民资本账户，让普通人直接分享资本收益；

第五阶段，如果AI与机器人让大量商品和服务趋于廉价，真正决定阶层的将不再是有没有工作，而是谁拥有土地、能源、算力、基础设施和生产系统这些仍然稀缺的资产。

最终难题不在技术，而在：产权从何而来？如何分配？以及如何防止资本和强权再次收回或集中它？

难点不在技术，而在利益和权力：比如让全民持有AI公司收益，就意味着现有股东让渡利益；即使分出去，还要防止强权机器冻结、收回，或穷人出售后产权再次集中。

因此更可能的终局，不是消灭私人资本，而是形成双层产权：私人仍可创业、投资并积累财富，但每个人从出生起都拥有一份不可轻易剥夺、出售或抵押的全民资本，并持续分享社会生产率增长。

真正的代价，是整个社会必须重新回答一个过去被默认的问题：AI建立在几百年公共知识、科研、数据和基础设施之上，那么它创造的未来，到底应该全部属于最后拥有公司和机器的人，还是每个人都天然拥有其中的一小部分？

那么，这就不止是技术问题&经济问题，而更多是政治经济学问题……

UBI 在治理上，远比 Universal Ownership 容易。Universal Ownership 真正大规模出现，恐怕需要一次足够严重的社会压力——例如劳动收入占比持续下降、财富继承成为主要阶层决定因素，或者自动化使传统就业型社会保障明显失效——才能让社会愿意支付这种制度转换的代价。